做openpose已经做了两个月了，精度和速度都还没有提上去，但是还是要总结一下。
人体姿态估计（pose estimation）的目标
实时地对图片中每个人的姿态进行精准的估计。总结起来，就是实时的多人姿态精准估计
现状
实时的算法精度不高，精度高的算法慢的要死。
openpose——比较快，比较准
cpn——慢，准（pass，在实际场景中，慢等于没用）
poseNet——快，不准（pass，不准更没啥用了）
openpose的原理
输入一张图片，经过一个backbone（比如vgg，resnet，mobilenet），在经过6个stage，每个stage有2个branch，一个用来检测heatmap，一个用来检测vectmap。有了heatmap和vectmap就可以知道图片中所有的关键点，但是不知道这些关键点都是哪个人的，PAFs把这些点对应到每个人身上。end
openpose的训练
数据集：coco，MPII，AIC，PoseTrack
硬件要求：至少4 个 gpu以上（GPU不充裕的，可以直接用原作者公布的caffe模型，我训练了俩月精度都没赶上他们）
openpose的代码（tensorflow版本）
这俩月学到了啥，就是代码能力吧。之前就是只会训练MNIST，我就以为自己会深度学习了。源码比这个难100倍，不过，道理是相同的。我听过那么多道理，依然写不好代码，想哭......
（1）下载数据集
1.coco数据集的标注是什么形式
2.coco数据集API使用
3.json文件的读和写
（2）数据处理
1.关键点从COCO的格式转为openpose的格式
2. 生成heatmap
3.生成vectmap
（3）多线程数据增强
1.多线程
2.数据增强
（4）dataflow数据读入
1.入队和出队
（5）网络定义
1.网络基础函数的定义
2.网络定义
3.loss函数
（6）多GPU训练
1.多GPU训练的流程
（7）模型保存，恢复以及可视化
1.模型和日志的保存
2.训练的可视化
3.模型的恢复
4.模型挂载在服务器上训练
（8）模型转freeze pb
1.模型的发布
（9）数据后处理
（10）模型测试+opencv显示
整体流程就这么多。。。。
写完流程我就不想写细节了。。。
随后再补
---------------------
作者：饿二饿二饿
来源：CSDN
原文：https://blog.csdn.net/eereere/article/details/81151756
版权声明：本文为博主原创文章，转载请附上博文链接！